ChatEHR من ستانفورد يصل إلى 1,450 طبيبا في Epic
استخدم أداة ChatEHR من ستانفورد، وهي روبوت محادثة للملفات الطبية بنته Stanford Health Care داخل سجلها الصحي الإلكتروني من Epic، 1,450 من نحو 7,000 طبيب وممارس مؤهل حتى منتصف يناير 2026، بحسب ما ذكره موقع STAT في 28 يناير 2026. وتقرأ الأداة سجل المريض كاملا وتجيب عن الأسئلة حوله. ويقول المختبر الذي يقف وراءها إن مراجعاتها الآلية خفّضت مهام مثل مراجعة الملفات لرصد العدوى بنسبة 40%. وبالنسبة إلى المستشفيات، تُظهر الحالة أن فريقا داخل قسم تقنية المعلومات يستطيع تحويل ساعات من قراءة الملفات إلى قوائم قصيرة من الحالات يتصرف فيها الطاقم.
لماذا احتاج الأطباء إلى طريقة أسرع لقراءة الملف الطبي
قراءة سجل المريض قبل الزيارة بطيئة لأن المعلومات موزعة على أماكن كثيرة. ووصف موقع STAT كيف يستعد كبير مسؤولي المعلومات الصحية في Penn Medicine، طبيب القلب سريناث أدوسومالي، في اليوم السابق لمواعيده بمراجعة الزيارات السابقة والتحاليل والتصوير والوثائق الممسوحة من مستشفيات أخرى، كل منها في تبويب منفصل من السجل الصحي الإلكتروني.
وواجهت Stanford Health Care العمل نفسه على نطاق واسع. ويقدم مختبرها مثالا: مهمة فحص تطلبت مراجعة ملف تستغرق من 5 إلى 20 دقيقة عبر 150 ملفا للمرضى.
ما الذي بنته ستانفورد بدلا من شراء أداة
بنت ستانفورد ChatEHR بنفسها، وربطتها بسجلها الصحي الإلكتروني من Epic، وعمّمتها على المنظومة الصحية في سبتمبر 2025. ويصفها مختبر Shah Lab، الذي يوثق المشروع، بأنها منصة محايدة تجاه الموردين وتخضع لحوكمة داخلية، تضع سجل المريض الطولي الكامل، حتى عشرين مليون رمز، مباشرة في نافذة سياق النموذج في الوقت الفعلي.
والفريق الذي يقف وراءها مجموعة لعلوم البيانات مدمجة في قسم تقنية المعلومات: مهندسو برمجيات ومديرو منتجات وعلماء بيانات لهم صلة مباشرة بباحثين أكاديميين. ويؤرخ المختبر العمل ببيئة تجريبية في أبريل 2023. وأصبحت ChatEHR في نوفمبر 2023، ومرت بعدة نماذج أولية بحلول منتصف 2024، ودخلت مرحلة تجريبية في أوائل 2025، ووصلت إلى 150 مستخدما سريريا بحلول أغسطس 2025.
كيف تعمل ChatEHR خلال يوم الطبيب
يفتح الطبيب تبويب ChatEHR داخل السجل، ويختار أولا البيانات التي سيحمّلها للنموذج حسب مصدر البيانات والفترة الزمنية. ثم تظهر نافذة محادثة يطرح فيها المستخدم أسئلته، ويقيّم الإجابات بعلامة إعجاب أو عدم إعجاب، أو يعود إلى القائمة لبدء جلسة جديدة.
وتمثل هذه المحادثة 40% من الاستخدام. أما الـ60% الأخرى فتجري عبر واجهات برمجية تؤتمت المهام المتكررة كبيرة الحجم.
"الأتمتة أوامر ثابتة تُطبَّق على مجموعات محددة من المرضى." مختبر Shah Lab في ستانفورد، عن طريقة تشغيل ChatEHR لمراجعاتها الآلية
ويذكر المختبر سبعة مسارات عمل تشغيلية بُنيت بهذه الطريقة، من وضع المرضى في بيئة الرعاية المناسبة وتعزيز رصد العدوى إلى التحقق من حسابات الفوترة.
ما توفره الأتمتة من وقت بحسب ستانفورد
يقدم المختبر أرقاما لكل مسار عمل، وهي قياساته هو. ففحص المرضى يحوّل مراجعة 150 ملفا إلى نحو 30 حالة مرجحة بقوة. ورصد عدوى مواضع الجراحة يخفض مراجعة الملفات بنسبة 40%، ويجعل الإبلاغ عن العدوى أسرع بحسب المختبر.
وفي مركز الاتصال، يستغرق فرز الإحالات وقتا أقل بنسبة 17.7%، وترتفع الإنتاجية 17.8%، وانخفض التراكم من خمسة أيام إلى يومين. ويقرأ فحص لرعاية المرضى في المراحل الأخيرة داخل المستشفى 600 ملف للعثور على ما بين 10 و40 حالة مؤهلة، ويقول المختبر إن ذلك يغني عن ما بين 18 و20 ساعة عمل يوميا. وفي جراحة العظام يعالج فرز الإحالات أكثر من 4,700 وثيقة ويوفر ما لا يقل عن 1.7 ساعة عمل يوميا. ومراجعة الحسابات الموقوفة بإيقاف فوترة LoA توفر ما بين 10 و15 دقيقة لكل حساب. وفحصت دراسة استباقية أجراها وانغ وزملاؤه في JAMA Network Open أداة ChatEHR في فرز المرضى الجراحيين.
كيف نما الاعتماد بعد التعميم
ذكر STAT أن ChatEHR كانت حتى منتصف يناير 2026 مستخدمة لدى 1,450 طبيبا وممارسا من بين نحو 7,000 مستخدم مؤهل. وكان لدى التجربة الأولية للواجهة، التي انتهت في يونيو 2025، 150 مستخدما و3,000 جلسة محادثة. وفي أول 3 أشهر بعد التعميم المؤسسي أكمل 1,075 مستخدما فيديو التدريب وأجروا أكثر من 23,000 جلسة، مع معالجة أكثر من 19 مليار رمز. وشمل المستخدمون في تلك الفترة 180 من الممارسين المتقدمين و424 طبيبا و151 طبيبا مقيما و60 زميلا.
ويُظهر إحصاء المختبر اللاحق، حتى يوليو 2026، أكثر من 3,400 مستخدم نشط وأكثر من 150,000 جلسة و140 مليار رمز معالَج.
ماذا تعني أدوات الذكاء الاصطناعي التي تبنيها المستشفيات للمنظومات الأخرى
ستانفورد ليست وحدها. ففي يناير 2026 قدمت Penn Medicine أداة Chart Hero، وهي أداة مشابهة تتيح للأطباء الاستعلام عن سجل المريض وتلخيصه عبر واجهة شبيهة بروبوت المحادثة، وكان نحو 70 طبيبا في Penn يختبرونها. وتطور فرق في Duke Health ومستشفى فيلادلفيا للأطفال تطبيقات مشابهة.
وبالنسبة إلى المستشفى، تُظهر الحالة أين يقع التوفير المقيس حتى الآن: قوائم الإحالات، والإبلاغ عن العدوى، وفحص رعاية المراحل الأخيرة، ومراجعة الفوترة، لا نافذة المحادثة وحدها. ويعتمد نهج ستانفورد أيضا على فريق داخل قسم تقنية المعلومات قادر على بناء الأداة وحوكمتها، وعلى منصة غير مرتبطة بمورد ذكاء اصطناعي واحد.
أسئلة وأجوبة
ما ChatEHR من ستانفورد؟
أداة بُنيت داخليا تتيح لأطباء Stanford Health Care الاستعلام عن سجل المريض الكامل داخل السجل الصحي الإلكتروني من Epic. كما تشغّل أوامر ثابتة على مجموعات محددة من المرضى لأتمتة مراجعة الملفات.
كم طبيبا يستخدم ChatEHR؟
ذكر STAT أن 1,450 طبيبا وممارسا من بين نحو 7,000 مستخدم مؤهل كانوا يستخدمونها حتى منتصف يناير 2026. وأعلن مختبر ستانفورد أكثر من 3,400 مستخدم نشط حتى يوليو 2026.
هل توفر ChatEHR وقت الطاقم؟
يقول المختبر إنها توفره في مسارات عمل محددة: انخفض وقت فرز الإحالات 17.7%، وانخفضت مراجعة الملفات لرصد عدوى مواضع الجراحة 40%، ويوفر فرز إحالات جراحة العظام ما لا يقل عن 1.7 ساعة عمل يوميا.
رؤية MOZGII
كيف كنا سنبنيه
حيث يفيد الذكاء الاصطناعي أكثر في المستشفى اليوم هو القراءة التي لا يجد أحد وقتا لها: مراجعة الملف قبل الزيارة، وقوائم الفحص، وقوائم الإحالات، والفواتير الموقوفة. وأرقام ستانفورد تقع في هذه المواضع بالضبط. لو كنا نبني نظاما مثل ChatEHR، لبدأنا بقائمة واحدة لها مالك واضح ونهاية واضحة، مثل فرز الإحالات، ثم أضفنا نافذة المحادثة بعد ذلك فقط. فالأتمتة، لا المحادثة، هي ما يعيد الساعات.
سيحتاج النظام إلى ثلاثة أشياء. أولا، سجل المريض الكامل مسحوبا من السجل الصحي الإلكتروني في الوقت الفعلي، مع تسجيل مصادر البيانات والفترة الزمنية لكل إجابة. ثانيا، نموذج يمكن استبداله، لأن السجل هو الأصل والنموذج ليس كذلك. ثالثا، ممرضة أو مرمّز أو طبيب محدد بالاسم يعتمد كل قائمة قصيرة قبل أن يتصرف أحد بناء عليها. ويتعطل النظام عندما يكون السجل ناقصا، كوثيقة خارجية ممسوحة لا يستطيع النموذج قراءتها، وعندما يبتعد أمر ثابت عن الطريقة التي تعمل بها العيادة الآن.
المقياس الوحيد الذي كنا سنراقبه هو عدد الحالات التي تنبّه إليها الأتمتة ويتبين أنها حقيقية عندما يفحصها شخص. فانخفاض هذه النسبة يعني أن الأمر أو البيانات قد تغيرت. وبعد ذلك كنا سنضيف حلقة ملاحظات ترسل كل تقييم سلبي إلى الفريق المسؤول عن الأمر، حتى يُراجَع كل مسار عمل وفق جدول لا بعد شكوى.
المصادر
من أين جاءت حقائق هذا الخبر.